-
公开(公告)号：CN109214331A
公开(公告)日：2019-01-15
申请号：CN201811002540.8
申请日：2018-08-30
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于图像频谱的交通雾霾能见度检测方法。其实现步骤主要是：（1）采集不同场景下不同能见度的高速公路雾霾能见度图片，用以建立图片库。（2）以高速公路车道线为标识物建立坐标，用以测量雾霾图片能见度；（3）对图片做余弦变换，来提取图片的高频、低频信息，作为特征；（4）将所提取特征输入深度神经网络进行训练；并应用于实测。本发明采用高低频信息作为神经网络输入特征，提高了检测精度；同时采用深度神经网络模型，对大数据集进行处理提供了便利条件。
-
公开(公告)号：CN112598777B
公开(公告)日：2022-07-22
申请号：CN202011498689.7
申请日：2020-12-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于暗通道先验的雾霾融合方法，包括如下步骤：建立浓雾图像数据库、薄雾图像数据库、无雾图像数据库；从浓雾图像数据库中提取图像进行暗通道算法处理得到第一透射图，再引入修正消光系数alpha得到第二透射图；从浓雾图像数据库中提取图像，将图像转化为HSV色系，得到对应的一维亮度矩阵；将第二透射图和一维亮度矩阵分别输入改进的大气物理模型，再将无雾图像数据库中的图像输入改进的大气物理模型，得到融合雾霾图像。本发明创造性地使用浓雾HSV色系亮度矩阵代替传统大气物理模型基于待加雾图像进行大气光照亮度估计弥补了传统算法将其视为一个单值常数造成的伪影、色差等不足，使得融合后的雾更加自然。
-
公开(公告)号：CN106408526B
公开(公告)日：2019-02-12
申请号：CN201610726145.9
申请日：2016-08-25
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于多层矢量图的能见度检测方法，以大气散射模型为基础，通过计算图像暗通道的方法对模型中的未知参数透射率及环境光进行了估计，以此来恢复原始的图像，并且考虑到仅通过单一尺度来恢复原始的图像，会引入伪影等问题，同时会造成对图像中高频边缘信息的破坏，因此本发明采用在不同的尺度下计算出相应的原始矢量图，通过双边交叉滤波将三种不同尺度的矢量图进行合成，并对输出结果进行对比度增强处理获取最终的原始图像。
-
公开(公告)号：CN109948471B
公开(公告)日：2022-08-23
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
公开(公告)号：CN112598777A
公开(公告)日：2021-04-02
申请号：CN202011498689.7
申请日：2020-12-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于暗通道先验的雾霾融合方法，包括如下步骤：建立浓雾图像数据库、薄雾图像数据库、无雾图像数据库；从浓雾图像数据库中提取图像进行暗通道算法处理得到第一透射图，再引入修正消光系数alpha得到第二透射图；从浓雾图像数据库中提取图像，将图像转化为HSV色系，得到对应的一维亮度矩阵；将第二透射图和一维亮度矩阵分别输入改进的大气物理模型，再将无雾图像数据库中的图像输入改进的大气物理模型，得到融合雾霾图像。本发明创造性地使用浓雾HSV色系亮度矩阵代替传统大气物理模型基于待加雾图像进行大气光照亮度估计弥补了传统算法将其视为一个单值常数造成的伪影、色差等不足，使得融合后的雾更加自然。
-
Patent Agency Ranking
公开(公告)号：CN106408526A
公开(公告)日：2017-02-15
申请号：CN201610726145.9
申请日：2016-08-25
Applicant: 南京邮电大学
CPC classification number: G06T5/002 , G06T5/005 , G06T7/0002 , G06T2207/30168
Abstract: 本发明涉及一种基于多层矢量图的能见度检测方法，以大气散射模型为基础，通过计算图像暗通道的方法对模型中的未知参数透射率及环境光进行了估计，以此来恢复原始的图像，并且考虑到仅通过单一尺度来恢复原始的图像，会引入伪影等问题，同时会造成对图像中高频边缘信息的破坏，因此本发明采用在不同的尺度下计算出相应的原始矢量图，通过双边交叉滤波将三种不同尺度的矢量图进行合成，并对输出结果进行对比度增强处理获取最终的原始图像。
-
公开(公告)号：CN109948471A
公开(公告)日：2019-06-28
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
公开(公告)号：CN109903557A
公开(公告)日：2019-06-18
申请号：CN201910159828.4
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进独立循环神经网络的高速公路交通流预测方法，以高速公路交通流数据为预测基础，改进并重构独立循环神经网络；将DenseBlock作为隐藏特征提取器对交通流数据提取特征图，然后对提取的特征图信息进行全局平均池化，再将池化后的结果置于由IndRNNCells组成的预测头中，学习时序信息，进行前向预测。应用本发明该预测技术方案，基于改进IndRNN的神经网络结构能够自动学习流量数据几种流量之间隐藏的特征关系，有效克服了传统网络不能考虑交通流数据潜在趋势的不足，并且达到了较高模型精度的效果。
-
公开(公告)号：CN109086803A
公开(公告)日：2018-12-25
申请号：CN201810755419.6
申请日：2018-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于深度学习与个性化因子的雾霾能见度检测系统，该系统包括数据库建立模块，用于构建不同能见度的雾霾能见度图片库；能见度提取模块，用于根据所述雾霾能见度图片库提取所述雾霾能见度图片中涉及场景的标志物的能见度，建立能见度坐标，并对所述雾霾能见度图片中涉及的场景进行编号，个性化因子提取模块，用于针对所述场景编号进行归一化，并将其定义为特征值，并根据场景编号提取个性化因子；神经网络训练模块，用于将所述个性化因子和所述雾霾能见度图片输入到卷积神经网络中进行训练；本发明采用基于深度学习的卷积神经网络结构能够自动提取数据集特征与传统方向比更加渐变，可以快速处理大数据集，节省了大量的训练时间。
-
公开(公告)号：CN109086803B
公开(公告)日：2022-10-14
申请号：CN201810755419.6
申请日：2018-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于深度学习与个性化因子的雾霾能见度检测系统，该系统包括数据库建立模块，用于构建不同能见度的雾霾能见度图片库；能见度提取模块，用于根据所述雾霾能见度图片库提取所述雾霾能见度图片中涉及场景的标志物的能见度，建立能见度坐标，并对所述雾霾能见度图片中涉及的场景进行编号，个性化因子提取模块，用于针对所述场景编号进行归一化，并将其定义为特征值，并根据场景编号提取个性化因子；神经网络训练模块，用于将所述个性化因子和所述雾霾能见度图片输入到卷积神经网络中进行训练；本发明采用基于深度学习的卷积神经网络结构能够自动提取数据集特征与传统方向比更加渐变，可以快速处理大数据集，节省了大量的训练时间。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
